.png){kind=icon}
.png){kind=icon}
返回
eXplainable Artificial Intelligence for Hip Fracture Recognition
.png){kind=icon}
OA
AI
DOI：10.1080/08839514.2025.2502568.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通过X射线检测髋部骨折是一个关键领域，人工智能可以显著减少诊断错误，减少对高级成像技术的依赖，并加快诊断过程及随后的外科干预。本文提出了一种可解释人工智能（eXplainable Artificial Intelligence）方法，该方法不仅关注模型的准确性，还关注其可解释性以及用户理解并信任自动系统决策的能力。我们提出了一种基于卷积神经网络（Convolutional Neural Networks）的放射图像髋部骨折自动分类模型，并通过双案例推理（twin Case-Based Reasoning）方法进行增强，以获取解释性经验并学习如何生成文本解释。这些发现强调了将解释纳入医学诊断的实践益处，为改善患者结局和更可靠地诊断过程铺平了道路。
期刊
R
IF:
13.2
论文数:
155
被引数:
3.2K